NewsEdit Αυτό το μήνα έγινε μια πολύ ενδιαφέρουσα δημοσιεύση στο “μέτωπο” της Τεχνητής Νοημοσύνης.
Οι ερευνητές έκαναν μια σημαντική ανακάλυψη στην Νευρομορφική Υπολογιστική (Neuromorphic Computing) η οποία δοκιμάζει τα ίδια τα θεμέλια της Μηχανικής Μάθησης (Machine Learning).
Αξιοποιώντας την περίπλοκη αρχιτεκτονική των neuromorphic nanowire networks (NWNs), κατασκευάστηκε μια νέα συσκευή που όχι μόνο μαθαίνει αλλά και θυμάται χρησιμοποιώντας τις αρχές της νευρωνικής δυναμικής (neural dynamics).
Η μελέτη αποκαλύπτει πώς αυτή η συσκευή επιτυγχάνει ακρίβεια της τάξης του 93,4% στο πρόβλημα ταξινόμησης στη βάση δεδομένων MNIST με χειρόγραφα ψηφία –μια εργασία αναφοράς στην κοινότητα μηχανικής μάθησης.
Το πραγματικά εντυπωσιακό σκέλος, ωστόσο, βρίσκεται στην ικανότητα της συσκευής να μαθαίνει και να ανακαλεί περίπλοκες ακολουθίες, αντικατοπτρίζοντας τις γνωστικές διαδικασίες του ανθρώπινου εγκεφάλου.
Αξιοποιώντας την ηλεκτρική δυναμική των nanowires, η συσκευή επιδεικνύει μια μορφή μνήμης και μάθησης που εξελίσσεται με κάθε είσοδο, όπως ακριβώς η συναπτική πλαστικότητα που παρατηρείται στους βιολογικούς νευρώνες.
Οι συνέπειες αυτού είναι πολλά υποσχόμενες, υποδεικνύοντας μια πορεία προς μηχανές που μαθαίνουν από το περιβάλλον τους σε πραγματικό χρόνο, προσαρμόζονται και εξελίσσονται αυτόνομα.
Καθώς βρισκόμαστε στο κατώφλι μιας νέας εποχής στον γνωστικό υπολογισμό (cognitive computing), αυτή η έρευνα όχι μόνο παρουσιάζει τις βαθιές δυνατότητες των NWNs αλλά επίσης δείχνει την πορεία προς τη δημιουργία πιο αποτελεσματικών, προσαρμοστικών και έξυπνων μηχανών.
Η ενσωμάτωση μιας τέτοιας τεχνολογίας θα μπορούσε να επαναπροσδιορίσει τις βιομηχανίες, να ενισχύσει την υπολογιστική απόδοση και να ανοίξει το δρόμο για προόδους στη ρομποτική, τα αυτόνομα συστήματα και όχι μόνο.
Η σύγκλιση της Νανοτεχνολογίας και των Νευρωνικών Δικτύων θέτει τις βάσεις για την επόμενη γενιά γνωστικών υπολογιστών.
Το σχετικό paper:
https://www.nature.com/articles/s41467-023-42470-5.pdf
Via Giorgos Vachtanidis @gvachtan